Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2021

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Modelling of the draw bead coefficient of friction in sheet metal forming

Chodoła Łukasz, Ficek Daniel, Szczęsny Ireneusz, Trzepieciński Tomasz, Wałek Łukasz

Technologia i Automatyzacja Montażu

2021

nr 3

3--9

W artykule przedstawiono wyniki wyznaczania wartości współczynnika tarcia na progu ciągowym w procesie kształtowania blach. Jako materiał badawczy wykorzystano blachy stalowe, mosiężne i ze stopu aluminium, które zostały wycięte w różnych kierunkach względem kierunku walcowania blachy. Pasy blachy badano w warunkach tarcia suchego oraz smarowania powierzchni blach olejem maszynowym. Wyniki eksperymentów posłużyły do zbadania wpływu parametrów procesu tarcia na wartość współczynnika tarcia za pomocą sztucznych sieci neuronowych. Dane wejściowe zostały zoptymalizowane przy użyciu algorytmu genetycznego, selekcji krokowej postępującej oraz wstecznej. Celem badań było określenie wpływu wartości kary jednostkowej na istotność poszczególnych parametrów wejściowych sieci neuronowej oraz wartość błędu generowanego przez perceptron wielowarstwowy. Stwierdzono, że w przypadku wszystkich materiałów wartość współczynnika tarcia próbek zorientowanych pod kątem 90° była większa niż dla orientacji próbek 0°. Testy tarcia wykazały również, że smarowanie blach zmniejszyło opory tarcia o 12-39% w zależności od gatunku materiału blachy. Spośród wszystkich parametrów wejściowych, które istotnie wpływają na wartość współczynnika tarcia, najważniejsze z nich to warunki smarowania oraz orientacja próbki.

This paper presents the results of determining the value of the coefficient of friction on the drawbead in sheet metal forming. As the research material, steel, brass and aluminium alloy sheets cut at different directions according to the sheet rolling direction were used. Sheet strip specimens were tested under dry friction and lubrication of sheet surfaces using machine oil. Results of experiments were used to study the effect of process parameters on the coefficient of friction using artificial neural networks. Input data was optimized using genetic algorithm, forward stepwise selection and backward stepwise selection. The aim of the research was to determine the effect of the value of the unit penalty on the significance of individual input parameters of the neural network and the value of the error generated by the multilayer perceptron. It was found that in the case of all materials the value of coefficient of friction for specimen orientation 90° was greater than for the specimen orientation 0°. Friction tests also reveal that sheet lubrication reduced the frictional resistance by 12-39%, depending on the grade of sheet material. Among all input parameters that significantly affect the value of the coefficient of friction the most important are the lubrication conditions and the orientation of the sample.

Modelling anisotropic phenomena of friction of deep-drawing quality steel sheets using artificial neural networks

Trzepieciński Tomasz, Lemu Hirpa G., Chodoła Łukasz, Ficek Daniel, Szczęsny Ireneusz

Advances in Materials Science

2021

Vol. 21, nr 3(69)

31--42

This paper presents a method of determining the coefficient of friction in metal forming using multilayer perceptron based on experimental data obtained from the pin-on-disk tribometer. As test material, deep-drawing quality DC01, DC03 and DC05 steel sheets were used. The experimental results show that the coefficient of friction depends on the measured angle from the rolling direction and corresponds to the surface topography. The number of input variables of the artificial neural network was optimized using genetic algorithms. In this process, surface parameters of the sheet, sheet material parameters, friction conditions and pressure force were used as input parameters to train the artificial neural network. Some of the obtained results have pointed out that genetic algorithm can successfully be applied to optimize the training set. The trained multilayer perceptron predicted the value of the friction coefficient for the DC04 sheet. It was found that the tested steel sheet exhibits anisotropic tribological properties. The highest values of the coefficient of friction under dry friction conditions were registered for sheet DC05, which had the lowest value of the yield stress. Prediction results of coefficient of friction by multilayer perceptron were in qualitative and quantitative agreement with the experimental ones.